基于位置权重矩阵的长非编码RNA预测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 生物信息学研究现状 | 第10-11页 |
| 1.2.2 长非编码RNA研究现状 | 第11-13页 |
| 1.3 研究内容与创新点 | 第13-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第2章 相关理论与基础 | 第17-27页 |
| 2.1 机器学习相关理论 | 第17-21页 |
| 2.1.1 支持向量机 | 第18-19页 |
| 2.1.2 随机森林 | 第19页 |
| 2.1.3 BP神经网络 | 第19-21页 |
| 2.2 长非编码RNA基础 | 第21-24页 |
| 2.2.1 长非编码RNA的来源 | 第22页 |
| 2.2.2 长非编码RNA的类别 | 第22-23页 |
| 2.2.3 长非编码RNA的功能 | 第23-24页 |
| 2.3 相关数据资源 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 长非编码RNA特征提取 | 第27-41页 |
| 3.1 任务概述 | 第27-28页 |
| 3.2 特征提取 | 第28-34页 |
| 3.2.1 开放阅读框 | 第28-30页 |
| 3.2.2 聚合体得分 | 第30页 |
| 3.2.3 Fickett特征 | 第30页 |
| 3.2.4 位置权重矩阵 | 第30-33页 |
| 3.2.5 k-mer特征 | 第33-34页 |
| 3.3 特征选择 | 第34-39页 |
| 3.3.1 特征选择方法 | 第34-36页 |
| 3.3.2 特征选择过程 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 长非编码RNA预测方法 | 第41-53页 |
| 4.1 数据集选取 | 第41页 |
| 4.2 预测模型和参数设置 | 第41-45页 |
| 4.2.1 预测模型介绍 | 第41-42页 |
| 4.2.2 k折交叉验证 | 第42-43页 |
| 4.2.3 参数设置 | 第43-45页 |
| 4.3 评价指标 | 第45-47页 |
| 4.4 实验结果与分析 | 第47-50页 |
| 4.4.1 长非编码RNA预测方法的分类器选择 | 第47-48页 |
| 4.4.2 位置权重矩阵对预测方法的影响 | 第48页 |
| 4.4.3 长非编码RNA预测方法性能对比 | 第48-50页 |
| 4.4.4 跨物种实验分析 | 第50页 |
| 4.5 本章小结 | 第50-53页 |
| 第5章 总结和展望 | 第53-55页 |
| 5.1 论文总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 硕士期间发表的论文 | 第59页 |
